論文の概要: A Comprehensive Study on Various Statistical Techniques for Prediction of Movie Success

• arxiv url: http://arxiv.org/abs/2112.00395v1
• Date: Wed, 1 Dec 2021 10:28:44 GMT
• ステータス: 処理完了
• システム内更新日: 2021-12-02 15:31:11.359411
• Title: A Comprehensive Study on Various Statistical Techniques for Prediction of Movie Success
• Title（参考訳）: 映画成功予測のための各種統計手法に関する総合的研究
• Authors: Manav Agarwal, Shreya Venugopal, Rishab Kashyap, R Bharathi
• Abstract要約: 映画の成功率を予測するために,さまざまな機械学習モデルを比較した。 これらのモデルの有効性とそれらの統計的意義について検討し、どのモデルが最良の予測因子であるかを結論付ける。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The film industry is one of the most popular entertainment industries and one of the biggest markets for business. Among the contributing factors to this would be the success of a movie in terms of its popularity as well as its box office performance. Hence, we create a comprehensive comparison between the various machine learning models to predict the rate of success of a movie. The effectiveness of these models along with their statistical significance is studied to conclude which of these models is the best predictor. Some insights regarding factors that affect the success of the movies are also found. The models studied include some Regression models, Machine Learning models, a Time Series model and a Neural Network with the Neural Network being the best performing model with an accuracy of about 86%. Additionally, as part of the testing data for the movies released in 2020 are analysed.
• Abstract（参考訳）: 映画産業は最も人気のあるエンターテイメント産業の1つであり、ビジネスの最大の市場の一つである。 この作品に寄与する要因の1つは、映画の人気と興行収入の面での成功である。 そこで我々は,映画の成功率を予測するために,さまざまな機械学習モデル間の包括的な比較を作成する。 これらのモデルの有効性と統計学的意義について検討し,どのモデルが最適予測因子であるかを考察した。 映画の成功に影響を及ぼす要因に関するいくつかの洞察も見いだされている。 研究されたモデルには、回帰モデル、機械学習モデル、時系列モデル、ニューラルネットワークが含まれており、ニューラルネットワークは、約86%の精度で最高のパフォーマンスモデルである。 さらに、2020年に公開された映画のテストデータも分析されている。

関連論文リスト

• A Collaborative Ensemble Framework for CTR Prediction [73.59868761656317]
  我々は、複数の異なるモデルを活用するための新しいフレームワーク、CETNet(Collaborative Ensemble Training Network)を提案する。 ナイーブなモデルスケーリングとは違って,私たちのアプローチは,共同学習による多様性とコラボレーションを重視しています。 当社のフレームワークは,Metaの3つのパブリックデータセットと大規模産業データセットに基づいて検証する。
  論文  参考訳（メタデータ） (2024-11-20T20:38:56Z)
• Movie Revenue Prediction using Machine Learning Models [0.5735035463793009]
  このプロジェクトの目的は、映画名、MPAA評価、映画のジャンル、公開年、IMDbレーティング、視聴者、監督、脚本家、主演キャストなどの入力機能に基づいて映画収益を予測する機械学習モデルを開発することである。 得られたモデルは、有望な精度と一般化を提供し、映画業界における情報的意思決定が利益を最大化するのに役立つ。
  論文  参考訳（メタデータ） (2024-05-19T19:32:12Z)
• Supervised Learning for Table Tennis Match Prediction [2.7835697868135902]
  本稿では,テーブルテニスシングルマッチの結果を予測するために機械学習を用いることを提案する。 我々は,プレイヤーとマッチング統計を特徴として用いて,その相対的重要性をアブレーション研究で評価する。 結果は将来の卓球予測モデルのベースラインとして機能し、同様の球技の予測研究にフィードバックすることができる。
  論文  参考訳（メタデータ） (2023-03-28T17:42:13Z)
• Large-scale Multi-Modal Pre-trained Models: A Comprehensive Survey [66.18478838828231]
  マルチモーダルな事前訓練型大型モデルは近年ますます注目を集めている。 本稿では, 自然言語処理, コンピュータビジョン, 音声処理における従来の深層・深層・深層・深層・深層・深層・深層・深層・深層・深層・深層・深層・深層・深層・深層・深層・深層・深層・深層・高層・高層・高層・高層・高層・高層・高層・高層・高層・高層・高層・高層・高層・高層・高層・高層・高層・高層・高層・高層・高層・高層・高層・高層・高層・高層・高層・高層・高層・高層・高層・高層・高層・高層・高層・ 次に,マルチモーダル・プレトレーニング・モデル(MM-PTM)のタスク定義,課題,メリットを紹介し,データ,目的,ネットワーク,知識強化による事前トレーニングに着目して,MM-PTMについて議論する。
  論文  参考訳（メタデータ） (2023-02-20T15:34:03Z)
• VindLU: A Recipe for Effective Video-and-Language Pretraining [83.49216853881595]
  本稿では,VidLモデル設計において最も重要な要素を解明する実証的研究を行う。 これらの経験的洞察を用いて、有効なVidL事前学習のためのステップバイステップレシピVindLUを開発した。 提案手法を用いてトレーニングしたモデルは,VidLタスクにおける最先端結果と同等かそれ以上の精度で達成できる。
  論文  参考訳（メタデータ） (2022-12-09T18:54:05Z)
• WE model: A Machine Learning Model Based on Data-Driven Movie Derivatives Market Prediction [12.410848737065438]
  本稿では,機械学習技術に基づく高精度映画マーチャンジ予測モデルWEモデルを提案する。 マーチャンダイスの市場における予測と評価の精度は72.5%に達し、市場コントロール効果が強い。
  論文  参考訳（メタデータ） (2022-07-06T03:47:15Z)
• Meta Transfer Learning for Early Success Prediction in MOOCs [6.43486245025846]
  対象の介入に対する学生の成功の早期予測は、コースに学生が残っていないことを保証するために不可欠である。 MOOCの成功予測には、主に個々のコースをスクラッチからトレーニングするモデルに焦点を当てた大きな研究団体が存在する。 本稿では,(1)多種多様なコースでモデルを事前学習すること,(2)コースのメタ情報を含む事前学習モデルを活用すること,(3)過去のコースの反復でモデルを微調整すること,の3つの新しい方法を提案する。
  論文  参考訳（メタデータ） (2022-04-25T09:19:57Z)
• Knowledge distillation: A good teacher is patient and consistent [71.14922743774864]
  最先端のパフォーマンスを実現する大規模モデルと、実用的な用途で手頃な価格のモデルとの間には、コンピュータビジョンの相違が増えている。 蒸留の有効性に大きな影響を及ぼす可能性のある,特定の暗黙的な設計選択を同定する。 ImageNetの最先端ResNet-50モデルが82.8%の精度で実現されている。
  論文  参考訳（メタデータ） (2021-06-09T17:20:40Z)
• Analyzing movies to predict their commercial viability for producers [0.0]
  我々は、今後のフィルムのリターンを予測できるモデルを開発する。 このモデルの将来的な応用は、映画業界で見られ、プロダクション企業は彼らのプロジェクトの期待するリターンをより正確に予測できる。
  論文  参考訳（メタデータ） (2021-01-05T18:42:38Z)
• Characterizing Fairness Over the Set of Good Models Under Selective Labels [69.64662540443162]
  同様の性能を実現するモデルセットに対して,予測公正性を特徴付けるフレームワークを開発する。 到達可能なグループレベルの予測格差の範囲を計算するためのトラクタブルアルゴリズムを提供します。 選択ラベル付きデータの実証的な課題に対処するために、我々のフレームワークを拡張します。
  論文  参考訳（メタデータ） (2021-01-02T02:11:37Z)
• Models, Pixels, and Rewards: Evaluating Design Trade-offs in Visual Model-Based Reinforcement Learning [109.74041512359476]
  視覚的MBRLアルゴリズムにおける予測モデルの設計決定について検討する。 潜在空間の使用など、しばしば重要と見なされる設計上の決定は、タスクのパフォーマンスにはほとんど影響しないことが分かりました。 我々は,この現象が探索とどのように関係しているか,および標準ベンチマークにおける下位スコーリングモデルのいくつかが,同じトレーニングデータでトレーニングされた場合のベストパフォーマンスモデルと同等の性能を発揮するかを示す。
  論文  参考訳（メタデータ） (2020-12-08T18:03:21Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。